단순성 이론으로 보는 행운·불운 감정 메커니즘

초록

이 논문은 인간이 ‘행운’ 혹은 ‘불운’이라고 느끼는 상황이 실제 사건과 쉽게 떠올릴 수 있는 반사실적 대안 사이의 감정 대비에 의해 발생한다는 가설을 제시한다. 기존의 확률·효용 기반 모델의 한계를 지적하고, 인지적 단순성(코볼루프 복잡도)과 ‘예상치 못함(Unexpectedness)’ 개념을 도입한 새로운 수식으로 감정 강도를 예측한다. 실험에서는 9개의 이야기와 61명의 고학력 피험자를 이용해, 참가자들이 감정 강도가 최대가 되는 선택을 할 때 단순성 이론이 예측한 대안(‘가까운 놓침’ 등)을 선호한다는 결과를 얻었다.

상세 분석

본 연구는 행운·불운 감정 현상을 기존의 확률·효용 모델(Rescher, Teigen)에서 제시된 ‘L = Δu·(1‑p)’ 혹은 ‘L = Δu/D’와 같은 형태가 실제 인간 판단을 충분히 설명하지 못한다는 점을 지적한다. 특히 확률만으로는 ‘near‑miss’ 현상의 감정 차이를 설명하지 못하고, 효용 차이만으로는 반사실적 대안의 복잡성 차이를 반영하지 못한다는 한계가 있다. 저자는 이러한 문제를 해결하기 위해 ‘단순성 이론(Simplicity Theory, ST)’을 도입한다. ST는 상황 s의 인지적 복잡도 C(s)와 세계가 그 상황을 생성하기 위해 필요로 하는 복잡도 C_w(s)를 비교하여 ‘예상치 못함(Unexpectedness) U(s) = C_w(s) – C(s)’를 정의한다. U가 클수록 상황은 ‘너무 단순’해 예상 밖으로 받아들여지며, 이는 감정 강도 E(s) = E_h(s) + U(s) 로 정량화된다. 여기서 E_h(s)는 상황 자체가 갖는 기본 감정(효용)이며, U(s)는 인지적 ‘세금’처럼 작용한다.

논문은 두 가지 주요 예측을 제시한다. 첫째, 실제 사건 s₁이 발생했을 때, 대안 상황 s₂가 인지적으로 더 단순하고(즉, C_w(s₂|s₁) 작음) 감정 강도가 더 높다면 사람들은 s₂를 ‘행운/불운’의 반사실적 대안으로 떠올린다. 이는 식 (8)·(9)에서 L₂ = V(s⁺) + log₂(l₀/δ) – 2 로 구체화되며, 여기서 δ는 실제와 대안 사이의 거리, l₀는 전체 가능한 경우의 수, V(s⁺)는 승리 상황의 효용이다. 둘째, 대안 s₂가 복잡하면(예: 여러 승리 구역이 존재) 감정 강도는 log₂(k) 만큼 감소한다(식 10). 이는 ‘near‑miss’가 단순히 물리적 거리만이 아니라 대안의 서술 복잡성에 의해 조절된다는 점을 강조한다.

실험에서는 9개의 스토리를 제시하고, 각 스토리마다 두세 개의 선택지를 제공했다. 참가자는 감정 강도가 최대가 되도록 선택하도록 요구받았으며, 선택지는 ‘가까운 놓침’, ‘예상치 못한 사고’, ‘복잡한 대안’ 등으로 구성되었다. 결과는 대부분의 경우 참가자들이 단순하고 가까운 반사실적 대안을 선택했으며, 이는 ST가 예측한 ‘높은 U와 낮은 C_w(s₂|s₁)’ 조합과 일치한다. 특히 스토리 S1(철도 사고)과 S2(지하철 탑승 지연)에서 ‘몇 초/몇 분 차이’가 감정 판단에 큰 영향을 미쳤으며, 이는 식 (9)·(11)의 δ‑의존성을 실증적으로 뒷받침한다.

이론적 기여는 다음과 같다. (1) 감정 강도를 확률·효용이 아닌 인지적 복잡도 차원에서 설명함으로써 ‘예상치 못함’이 감정의 핵심 동인임을 제시한다. (2) 복잡도 기반의 ‘조건부 생성 복잡도 C_w(s₂|s₁)’를 도입해 반사실적 대안의 선택 메커니즘을 정량화한다. (3) 기존 모델이 놓친 ‘단순성’ 요소를 통해 near‑miss 현상의 강도 차이를 설명한다.

비판적 시각에서는 몇 가지 제한점이 있다. 첫째, 실험 참가자는 모두 고학력(주로 공학계열)이며, 일반 대중이나 문화·사회적 배경이 다른 집단에 대한 외적 타당성이 검증되지 않았다. 둘째, 복잡도 측정이 주관적 판단에 크게 의존한다는 점에서, 실제 인지적 C와 C_w를 객관적으로 추정하기 위한 표준화된 절차가 부족하다. 셋째, 감정 강도 E_h(s)를 효용 V(s)와 동일시하는 가정이 모든 상황에 적용되지는 않을 수 있다(예: 순수한 놀라움). 마지막으로, 모델이 ‘예상치 못함’이 항상 긍정적 감정(E>0)을 보장한다는 제약을 두고 있으나, 실제로는 부정적 감정(공포, 분노)도 포함될 수 있다. 이러한 점들을 보완하기 위해서는 다양한 문화권, 연령층을 포함한 확장 실험과, 복잡도 추정 알고리즘의 정교화가 필요하다.